| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-22页 |
| ·选题背景及意义 | 第10-11页 |
| ·艾萨铜熔炼配料优化及状态参数预测研究现状 | 第11-19页 |
| ·艾萨铜熔炼过程的配料优化现状 | 第12-14页 |
| ·铜艾萨熔炼状态参数预测现状 | 第14-17页 |
| ·艾萨炉故障状态预测现状 | 第17-19页 |
| ·论文的研究内容 | 第19-22页 |
| ·研究内容 | 第19-20页 |
| ·主要创新点 | 第20-22页 |
| 2 艾萨炉铜熔炼过程分析 | 第22-44页 |
| ·概述 | 第22-27页 |
| ·澳斯麦特/艾萨炉的喷枪 | 第27-34页 |
| ·喷枪的特点与结构 | 第27-28页 |
| ·澳斯麦特/艾萨炉型与结构 | 第28-34页 |
| ·澳斯麦特/艾萨熔炼的生产工艺 | 第34-40页 |
| ·熔炼工艺流程 | 第34-36页 |
| ·澳斯麦特/艾萨熔炼工艺实践及生产指标 | 第36-40页 |
| ·艾萨铜熔炼的配料优化控制及状态参数关系 | 第40-43页 |
| ·配料优化控制分析 | 第40-41页 |
| ·熔炼过程状态参数 | 第41-43页 |
| ·小结 | 第43-44页 |
| 3 艾萨铜熔炼过程的配料智能优化方法 | 第44-67页 |
| ·引言 | 第44-46页 |
| ·艾萨铜熔炼配料工艺 | 第46-47页 |
| ·艾萨铜熔炼配料优化模型 | 第47-50页 |
| ·配比变量 | 第47-48页 |
| ·配料优化目标函数 | 第48页 |
| ·配料优化模型的约束条件 | 第48-50页 |
| ·蚁群算法 | 第50-59页 |
| ·蚁群算法的原理 | 第50-53页 |
| ·蚁群算法的实现 | 第53-55页 |
| ·蚁群算法流程 | 第55-57页 |
| ·自适应蚁群算法 | 第57-59页 |
| ·基于蚁群算法的艾萨铜熔炼配料优化方法 | 第59-63页 |
| ·艾萨炉熔炼配料数据仿真实验结果与分析 | 第63-65页 |
| ·小结 | 第65-67页 |
| 4 基于广义最大熵回归的自适应艾萨铜熔炼过程参数软测量模型 | 第67-91页 |
| ·引言 | 第67-68页 |
| ·艾萨炉熔炼过程软测量的基本方法 | 第68-71页 |
| ·基于神经网络的软测量方法 | 第68-69页 |
| ·基于机理模型的软测量 | 第69-71页 |
| ·基于广义最大熵回归的自适应软测量 | 第71-90页 |
| ·输入数据预处理 | 第72-78页 |
| ·基于广义最大熵回归模型的艾萨炉熔炼过程参数软测量 | 第78-83页 |
| ·基于广义最大熵回归的自适应艾萨炉熔炼过程软测量 | 第83-90页 |
| ·小结 | 第90-91页 |
| 5 基于CSKPCA-SLSSVM的艾萨炉故障预测研究 | 第91-110页 |
| ·引言 | 第91-92页 |
| ·基于CSKPCA的艾萨炉数据处理 | 第92-97页 |
| ·特征样本提取的核主元分析法 | 第92-95页 |
| ·基于CSKPCA的艾萨炉数据降维 | 第95-97页 |
| ·基于CSKPCA-SLSSVM的艾萨炉故障监测模型 | 第97-102页 |
| ·基于稀疏最小二乘支持向量机艾萨炉诊断模型 | 第97-100页 |
| ·基于CSKPCA-SLSSVM艾萨炉故障监测模型 | 第100-102页 |
| ·实验结果与分析 | 第102-108页 |
| ·故障初步识别实验 | 第102-106页 |
| ·艾萨炉喷枪故障预测 | 第106-107页 |
| ·艾萨炉炉衬蚀损预测 | 第107-108页 |
| ·小结 | 第108-110页 |
| 6 结论与展望 | 第110-112页 |
| ·结论 | 第110-111页 |
| ·展望 | 第111-112页 |
| 参考文献 | 第112-122页 |
| 致谢 | 第122-124页 |
| 附录A （攻读博士期间的科研成果） | 第124页 |
